分位数模型的稳健性检验：模型对异常值敏感吗？ 为什么重要 模型有效性的一个重要方面是它对异常值的弹性。 异常值会引入无意义的噪音。一个好的模型不应该对噪声或任何特定的数据点过于敏感。 这就是为什么我们在建模数据时避免进行过于简单的技术分析（“TA”）或“点连接”。 从技术上讲，该模型应该对异常值具有鲁棒性。 方法论 为了测试分位数模型的稳健性，我们将更改数据，使最后一个周期的峰值在100K而不是67K。 为了使这种情况更加极端，我们将在两周内将价格保持在10万美元，充分推动模型，看看它是否被异常值抛出。 结果 预测不会改变。模特不在乎！ 它不依赖于任何特定的周期是如何发展的，因为它捕捉到了一般的长期行为，使其对任何特定的意外事件都非常有弹性。